冲击成本模型的构建方法、装置及计算机可读存储介质与流程

本发明涉及计算机技术领域，尤其涉及一种冲击成本模型的构建方法、装置及计算机可读存储介质。

背景技术：

在股票交易中，对于机构投资者来说，需要考虑的一个重要因素为交易成本，因为在任何一个价位上能够市场出清的交易量是有限的，因此，对于机构投资者来说，不得不考虑的一个问题是，如何在完成建仓目标的同时，降低资金规模对市场的冲击，从而有效的节约成本。冲击成本指的是由订单或交易导致的价格变动带来的成本，是股票交易中的隐性成本、变动成本，相对于可以明确度量的显性成本来说，冲击成本难以度量，现有的股票交易中，在模拟投资策略时，对成本的估算大多简化了冲击成本的问题，或者对冲击成本的因子考虑不全面，导致对冲击成本的估算不准确，难以达到节约成本的效果。

技术实现要素：

本发明提供一种冲击成本模型的构建方法、装置及计算机可读存储介质，其主要目的在于构建一种新的冲击成本模型以实现冲击成本的准确估算。

为实现上述目的，本发明还提供一种冲击成本模型的构建方法，该方法包括：

将股票的日内交易量、日均换手率和市值比率作为自变量因子构建冲击成本函数，根据所述冲击成本函数构建冲击成本模型；

从预设市场指数中选择样本股，并获取所述样本股在连续多个交易日内的日交易数据，以及所述预设市场指数的市值；

根据所述日交易数据和所述市值，计算所述样本股在每个交易日的冲击成本和自变量因子的数值；

将计算得到的数值和所述冲击成本作为回测数据，根据所述回测数据和预设的线性回归算法对所述冲击成本模型进行回归分析，以确定所述冲击成本模型的模型参数，其中，所述模型参数包括所述冲击成本函数中的自变量指数和自变量系数。

可选地，所述根据所述日交易数据和所述市值，计算所述样本股在每个交易日的冲击成本和自变量因子的数值的步骤包括：

根据所述日交易数据计算所述样本股在每个交易日的冲击成本，

根据所述日交易数据和所述预设市场指数的市值，计算样本股在所述连续多个交易日内的日内交易量、日均换手率和市值比率的数值。

可选地，所述日交易数据包括所述样本股在交易日的收盘价和开盘价；所述根据所述日交易数据计算所述样本股在每个交易日的冲击成本的步骤包括：

根据所述样本股在交易日内的开盘价和收盘价，计算日内加权平均价，根据所述日内加权平均价计算冲击成本。

可选地，所述冲击成本函数为幂函数，包括临时性冲击成本函数和永久性冲击成本函数，冲击成本包括临时性冲击成本和永久性冲击成本。

可选地，在所述冲击成本模型中，所述永久性冲击成本为：所述临时性冲击成本为：其中，k(v)为永久性冲击成本函数，h(v)为临时性冲击成本函数，σ为波动率，t为交易完成所需要的时间，j为冲击成本，i为交易过程中产生的价格漂移，s0为交易开始时的股价，ξ为残差项。

此外，为实现上述目的，本发明还提供一种冲击成本模型的构建装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的模型构建程序，所述模型构建程序被所述处理器执行时实现如下步骤：

将股票的日内交易量、日均换手率和市值比率作为自变量因子构建冲击成本函数，根据所述冲击成本函数构建冲击成本模型；

从预设市场指数中选择样本股，并获取所述样本股在连续多个交易日内的日交易数据，以及所述预设市场指数的市值；

根据所述日交易数据和所述市值，计算所述样本股在每个交易日的冲击成本和自变量因子的数值；

将计算得到的数值和所述冲击成本作为回测数据，根据所述回测数据和预设的线性回归算法对所述冲击成本模型进行回归分析，以确定所述冲击成本模型的模型参数，其中，所述模型参数包括所述冲击成本函数中的自变量指数和自变量系数。

可选地，所述根据所述日交易数据和所述市值，计算所述样本股在每个交易日的冲击成本和自变量因子的数值的步骤包括：

根据所述日交易数据计算所述样本股在每个交易日的冲击成本，

根据所述日交易数据和所述预设市场指数的市值，计算样本股在所述连续多个交易日内的日内交易量、日均换手率和市值比率的数值。

可选地，所述日交易数据包括所述样本股在交易日的收盘价和开盘价；所述根据所述日交易数据计算所述样本股在每个交易日的冲击成本的步骤包括：

根据所述样本股在交易日内的开盘价和收盘价，计算日内加权平均价，根据所述日内加权平均价计算冲击成本。

可选地，所述冲击成本函数为幂函数，包括临时性冲击成本函数和永久性冲击成本函数，冲击成本包括临时性冲击成本和永久性冲击成本，在所述冲击成本模型中，所述永久性冲击成本为：所述临时性冲击成本为：其中，k(v)为永久性冲击成本函数，h(v)为临时性冲击成本函数，σ为波动率，t为交易完成所需要的时间，j为冲击成本，i为交易过程中产生的价格漂移，s0为交易开始时的股价，ξ为残差项。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有模型构建程序，所述模型构建程序可被一个或者多个处理器执行，以实现如上所述的冲击成本模型的构建方法的步骤。

本发明提出的冲击成本模型的构建方法、装置及计算机可读存储介质，将股票的日内交易量、日均换手率和市值比率作为自变量因子构建冲击成本函数，根据冲击成本函数构建冲击成本模型；从预设市场指数中选择样本股，并获取样本股在连续多个交易日内的日交易数据，并获取预设市场指数的市值；根据日交易数据和市值，计算样本股在每个交易日的冲击成本和各自变量因子的数值；将计算得到的数值和冲击成本作为回测数据，根据回测数据和预设的线性回归算法对冲击成本模型进行回归分析，以确定冲击成本模型的模型参数。本发明综合日内交易量、日均换手率和市值比率三个自变量因子构建冲击成本函数，进而构建永久性冲击成本和临时性冲击成本的模型，通过历史交易数据对模型进行数据回测，得到自变量指数和自变量系数等模型参数，确定了参数的冲击成本模型可以用于交易时对冲击成本进行较精确的估算，对股票的建仓起到参考作用，以实现节约成本的目的。

附图说明

图1为本发明一实施例提供的冲击成本模型的构建方法的流程示意图；

图2为冲击过程中股票价格随时间变化趋势示意图；

图3为本发明一实施例提供的冲击成本模型的构建装置的内部结构示意图；

图4为本发明一实施例提供的冲击成本模型的构建装置中模型构建程序的模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种冲击成本模型的构建方法。参照图1所示，为本发明一实施例提供的冲击成本模型的构建方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。

在本实施例中，冲击成本模型的构建方法包括：

步骤s10，将股票的日内交易量、日均换手率和市值比率作为自变量因子构建冲击成本函数，根据所述冲击成本函数构建冲击成本模型。

该实施例中，预先定义永久性冲击成本和临时性冲击成本，建立冲击成本模型对冲击成本进行模拟，然后使用历史交易数据对该模型进行数据回测以确定模型中的待求解参数，确定参数后的冲击成本模型可以用于机构投资者在股票交易时对冲击成本进行估算。

具体地，本方案中建立冲击成本模型的方案如下：

假设一次交易开始时的股价为s0，订单完成时的平均价格为平均价格即在交易时间内，所有交易价格按照交易量加权得到的平均值，则本次交易产生的冲击成本可以表示为接下来的内容中使用s0将冲击成本标准化，使用百分比的形式表示冲击成本，即将冲击成本表示为其中，si表示在时间ti时的股价，xi表示在时间ti这笔下单成交的量，假设价格序列si是单调递增。如果用x代表一笔下单的总交易量，则∑xi＝x。

对于某个大额订单而言，可以视作一系列二维坐标序列：{(xi,si)，i＝1,2,…,n}；订单的完成意味着对于所有的i，在价格si处，成交量为xi，这意味着整个订单的执行过程(即股票的交易过程)中，每一个成交价格里都包含永久性冲击和临时性冲击，而价格漂移的完成是伴随着整个订单的执行过程，在交易完毕后，完成价格漂移，如图2所示，为冲击过程中股票价格随时间变化趋势示意图。

由于冲击成本可以在临时性冲击消失后进行衡量，即可以使用冲击消失后的价格与交易开始时的价格之差衡量永久性冲击成本，即使用交易过程中产生的价格漂移i来衡量永久性冲击成本，此外，由于冲击是连续的、均匀的，因此永久性冲击可以定义为整个价格漂移过程的平均值，即i/2，用百分比的形式可以表示为则临时性冲击成本可以表示为j-i/2。

关于永久性冲击成本的计算，由于股价服从几何布朗运动，则对于股票价格s(t)，有如下随机微分方程：

ds＝s0k(v)dt+s0σdw，其中，dw为标准布朗运动项，σ为波动率，k(v)为瞬时漂移率，即价格漂移关于时间的一阶导数。将上述随机微分方程对时间t求积分，则可以得到：

其中，ε是标准正态分布变量，是与波动率和时间相关的残差项，由于该残差项服从正态分布，大样本下残差项的均值趋近于零。

因此，永久性冲击成本可以表示为ξ为残差项；

对上述方程进行波动率标准化操作，得到标准化永久性冲击

关于临时性冲击成本的计算，有如下方程：其中，h(v)为临时性成本函数。

对上述方程进行波动率标准化操作：标准化临时性冲击

因此，冲击成本模型的重点在于冲击成本函数的构建。在本方案中，将日内交易量、日均换手率和市值比率这三个因子作为自变量构建冲击成本函数。冲击成本函数为幂函数，本方案中永久性成本函数k(v)(在随机微分方程里称作瞬时漂移率)和临时性成本函数h(v)分别定义如下：

上述函数表达式中，当x>0，sgn(x)＝1；当x＝0，sgn(x)＝0；当x<0，sgn(x)＝-1。x/t为单位时间内的交易量，也称作交易强度，为日内换手率，ω为市值比率，v是日均交易量，为股票流通股数量，x为某一笔订单的总的交易数量，t为订单完成所需要的时间，即交易时间。

现有的一些投资策略在考虑成本问题时，大多只是考虑了日交易量这一因子，没有考虑流动性和股票市值规模对成本的影响，造成按照这些模拟策略进行投资后，资金对市场的冲击大于预期，而实际收益则远小于预期收益。本方案中在构建冲击冲击成本函数时，还考虑了流动性和股票市值规模两个因子，提高了冲击成本模型对冲击成本估算的准确度。

基于上述冲击成本函数，永久性冲击成本c1和临时性冲击成本c2分别为：

上述表达式中的ξ和τ均为残差项。此外，为了便于解释该模型，从自变量系数μ和δ中均提取了波动率σ出来。

步骤s20，从预设市场指数中选择样本股，并获取所述样本股在连续多个交易日内的日交易数据，以及所述预设市场指数的市值。

步骤s30，根据所述日交易数据和所述市值，计算所述样本股在每个交易日的冲击成本和自变量因子的数值。

步骤s40，将计算得到的数值和所述冲击成本作为回测数据，根据所述回测数据和预设的线性回归算法对所述冲击成本模型进行回归分析，以确定所述冲击成本模型的模型参数，其中，所述模型参数包括所述冲击成本函数中的自变量指数和自变量系数。

接下来从数据库中提取历史交易数据，对模型进行回测，具体可以采用线性回归算法进行迭代，以计算函数中自变量的指数。

以上证50为例，从上证50指数中选择一个成分股作为样本股，假设一年有220个交易日，则一共获取到220组日交易数据。具体地，从数据中提取样本股的日交易数据，根据日交易数据获取以下参数：

从交易数据中获取流通股股本数量提取样本股过去一年里每天的交易量，计算平均值v；提取样本股过去一年里每天的市值，提取上证50所有成分股过去一年里的市值，计算样本股每天的市值占比ω；提取样本股过去一年里每日收盘价，计算标准差，即波动率σ；获取样本股每日交易量x。

提取样本股过去一年里每日开盘价和收盘价，计算日内加权平均价，根据日内加权平均价和开盘价代入计算出冲击成本j，根据开盘价和收盘价计算价格漂移i，i＝每日收盘价-每日开盘价，则可以计算出永久性冲击成本i/2，进而计算出临时性冲击成本j-i/2。在计算得到临时性冲击成本和永久性冲击成本后，连续多个历史交易日的冲击成本数据和日交易数据作为回测数据，按照预设回归分析算法对构建的冲击成本模型进行回归分析，虎丘模型参数。

根据该样本股在过去一年内220个交易日的交易数据对上述临时性冲击成本和暂时性冲击成本进行拟合，以获取自变量指数α、β、γ和以及自变量系数μ和δ。

具体地，在进行数据回测时，永久性成本可以转换为

在做数据拟合时，变量是α，β，γ，μ，使用线性回归即可求出，按照同样的原理可以对临时性成本的方程进行线性回归，计算得到临时性冲击成本函数中的和δ。确定了上述模型参数的冲击成本模型，可以在未来进行投资时，对冲击成本进行准确估算，以达到节约成本的目的。

此外，本方案的模型在数据回测时，除了可以使用单支股票的历史日交易数据进行回测以外，也可以使用全市场数据进行回测，与使用单支股票进行回测的原理是相同的。

本实施例提出的冲击成本模型的构建方法，将股票的日内交易量、日均换手率和市值比率作为自变量因子构建冲击成本函数，根据冲击成本函数构建冲击成本模型；从预设市场指数中选择样本股，并获取样本股在连续多个交易日内的日交易数据，并获取预设市场指数的市值；根据日交易数据和市值，计算样本股在每个交易日的冲击成本和各自变量因子的数值；将计算得到的数值和冲击成本作为回测数据，根据回测数据和预设的线性回归算法对冲击成本模型进行回归分析，以确定冲击成本模型的模型参数。本实施例的方案综合日内交易量、日均换手率和市值比率三个自变量因子构建冲击成本函数，进而构建永久性冲击成本和临时性冲击成本的模型，通过历史交易数据对模型进行数据回测，得到自变量指数和自变量系数等模型参数，确定了参数的冲击成本模型可以用于交易时对冲击成本进行较精确的估算，对股票的建仓起到参考作用，以实现节约成本的目的。

本发明还提供一种冲击成本模型的构建装置。参照图3所示，为本发明一实施例提供的冲击成本模型的构建装置的内部结构示意图。

在本实施例中，冲击成本模型的构建装置1可以是pc(personalcomputer，个人电脑)，也可以是智能手机、平板电脑、便携计算机等终端设备。该冲击成本模型的构建装置1至少包括存储器11、处理器12，网络接口13以及通信总线。

其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是冲击成本模型的构建装置1的内部存储单元，例如该冲击成本模型的构建装置1的硬盘。存储器11在另一些实施例中也可以是冲击成本模型的构建装置1的外部存储设备，例如冲击成本模型的构建装置1上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，存储器11还可以既包括冲击成本模型的构建装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于冲击成本模型的构建装置1的应用软件及各类数据，例如模型构建程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

处理器12在一些实施例中可以是一中央处理器(centralprocessingunit,cpu)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行模型构建程序01等。

网络接口13可选的可以包括标准的有线接口、无线接口(如wi-fi接口)，通常用于在该装置1与其他电子设备之间建立通信连接。

通信总线用于实现这些组件之间的连接通信。

可选地，该装置1还可以包括用户接口，用户接口可以包括显示器(display)、输入单元比如键盘(keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight-emittingdiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在冲击成本模型的构建装置1中处理的信息以及用于显示可视化的用户界面。

图3仅示出了具有组件11-13以及模型构建程序01的冲击成本模型的构建装置1，本领域技术人员可以理解的是，图1示出的结构并不构成对冲击成本模型的构建装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

可选地，该装置1还可以包括触摸传感器。所述触摸传感器所提供的供用户进行触摸操作的区域称为触控区域。此外，这里所述的触摸传感器可以为电阻式触摸传感器、电容式触摸传感器等。而且，所述触摸传感器不仅包括接触式的触摸传感器，也可包括接近式的触摸传感器等。此外，所述触摸传感器可以为单个传感器，也可以为阵列布置的多个传感器。该装置1的显示器的面积可以与所述触摸传感器的面积相同，也可以不同。可选地，将显示器与所述触摸传感器层叠设置，以形成触摸显示屏。该装置1基于触摸显示屏侦测用户触发的触控操作。

可选地，该装置1还可以包括摄像头、rf(radiofrequency，射频)电路，传感器、音频电路、wifi模块等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，若该装置1为移动终端，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

在图3所示的装置1实施例中，存储器11中存储有模型构建程序01；处理器12执行存储器11中存储的模型构建程序01时实现如下步骤：

将股票的日内交易量、日均换手率和市值比率作为自变量因子构建冲击成本函数，根据所述冲击成本函数构建冲击成本模型。

从预设市场指数中选择样本股，并获取所述样本股在连续多个交易日内的日交易数据，以及所述预设市场指数的市值。

根据所述日交易数据和所述市值，计算所述样本股在每个交易日的冲击成本和自变量因子的数值。

将计算得到的数值和所述冲击成本作为回测数据，根据所述回测数据和预设的线性回归算法对所述冲击成本模型进行回归分析，以确定所述冲击成本模型的模型参数，其中，所述模型参数包括所述冲击成本函数中的自变量指数和自变量系数。

该实施例中，预先定义永久性冲击成本和临时性冲击成本，建立冲击成本模型对冲击成本进行模拟，然后使用历史交易数据对该模型进行数据回测以确定模型中的待求解参数，确定参数后的冲击成本模型可以用于机构投资者在股票交易时对冲击成本进行估算。

具体地，假设一次交易开始时的股价为s0，订单完成时的平均价格为平均价格即在交易时间内，所有交易价格按照交易量加权得到的平均值，则本次交易产生的冲击成本可以表示为接下来的内容中使用s0将冲击成本标准化，使用百分比的形式表示冲击成本，即将冲击成本表示为其中，si表示在时间ti时的股价，xi表示在时间ti这笔下单成交的量，假设价格序列si是单调递增。如果用x代表一笔下单的总交易量，则∑xi＝x。

对于某个大额订单而言，可以视作一系列二维坐标序列：{(xi,si)，i＝1,2,…,n}；订单的完成意味着对于所有的i，在价格si处，成交量为xi，这意味着整个订单的执行过程(即股票的交易过程)中，每一个成交价格里都包含永久性冲击和临时性冲击，而价格漂移的完成是伴随着整个订单的执行过程，在交易完毕后，完成价格漂移，如图2所示，为冲击过程中股票价格随时间变化趋势示意图。

由于冲击成本可以在临时性冲击消失后进行衡量，即可以使用冲击消失后的价格与交易开始时的价格之差衡量永久性冲击成本，即使用交易过程中产生的价格漂移i来衡量永久性冲击成本，此外，由于冲击是连续的、均匀的，因此永久性冲击可以定义为整个价格漂移过程的平均值，即i/2，用百分比的形式可以表示为则临时性冲击成本可以表示为j-i/2。

关于永久性冲击成本的计算，由于股价服从几何布朗运动，则对于股票价格s(t)，有如下随机微分方程：

ds＝s0k(v)dt+s0σdw，其中，dw为标准布朗运动项，σ为波动率，k(v)为瞬时漂移率，即价格漂移关于时间的一阶导数。将上述随机微分方程对时间t求积分，则可以得到：

其中，ε是标准正态分布变量，是与波动率和时间相关的残差项，由于该残差项服从正态分布，大样本下残差项的均值趋近于零。

因此，永久性冲击成本可以表示为ξ为残差项；

对上述方程进行波动率标准化操作，得到标准化永久性冲击

关于临时性冲击成本的计算，有如下方程：其中，h(v)为临时性成本函数。

对上述方程进行波动率标准化操作：标准化临时性冲击

因此，冲击成本模型的重点在于冲击成本函数的构建。在本方案中，将日内交易量、日均换手率和市值比率这三个因子作为自变量构建冲击成本函数。冲击成本函数为幂函数，本方案中永久性成本函数k(v)(在随机微分方程里称作瞬时漂移率)和临时性成本函数h(v)分别定义如下：

上述函数表达式中，当x>0，sgn(x)＝1；当x＝0，sgn(x)＝0；当x<0，sgn(x)＝-1。x/t为单位时间内的交易量，也称作交易强度，为日内换手率，ω为市值比率，v是日均交易量，为股票流通股数量，x为某一笔订单的总的交易数量，t为订单完成所需要的时间，即交易时间。

现有的一些投资策略在考虑成本问题时，大多只是考虑了日交易量这一因子，没有考虑流动性和股票市值规模对成本的影响，造成按照这些模拟策略进行投资后，资金对市场的冲击大于预期，而实际收益则远小于预期收益。本方案中在构建冲击冲击成本函数时，还考虑了流动性和股票市值规模两个因子，提高了冲击成本模型对冲击成本估算的准确度。

基于上述冲击成本函数，永久性冲击成本c1和临时性冲击成本c2分别为：

上述表达式中的ξ和τ均为残差项。此外，为了便于解释该模型，从自变量系数μ和δ中均提取了波动率σ出来。

接下来从数据库中提取历史交易数据，对模型进行回测，具体可以采用线性回归算法进行迭代，以计算函数中自变量的指数。

以上证50为例，从上证50指数中选择一个成分股作为样本股，假设一年有220个交易日，则一共获取到220组日交易数据。具体地，从数据中提取样本股的日交易数据，根据日交易数据获取以下参数：

从交易数据中获取流通股股本数量提取样本股过去一年里每天的交易量，计算平均值v；提取样本股过去一年里每天的市值，提取上证50所有成分股过去一年里的市值，计算样本股每天的市值占比ω；提取样本股过去一年里每日收盘价，计算标准差，即波动率σ；获取样本股每日交易量x。

提取样本股过去一年里每日开盘价和收盘价，计算日内加权平均价，根据日内加权平均价和开盘价代入计算出冲击成本j，根据开盘价和收盘价计算价格漂移i，i＝每日收盘价-每日开盘价，则可以计算出永久性冲击成本i/2，进而计算出临时性冲击成本j-i/2。在计算得到临时性冲击成本和永久性冲击成本后，连续多个历史交易日的冲击成本数据和日交易数据作为回测数据，按照预设回归分析算法对构建的冲击成本模型进行回归分析，虎丘模型参数。

根据该样本股在过去一年内220个交易日的交易数据对上述临时性冲击成本和暂时性冲击成本进行拟合，以获取自变量指数α、β、γ和以及自变量系数μ和δ。

具体地，在进行数据回测时，永久性成本可以转换为

在做数据拟合时，变量是α，β，γ，μ，使用线性回归即可求出，按照同样的原理可以对临时性成本的方程进行线性回归，计算得到临时性冲击成本函数中的和δ。确定了上述模型参数的冲击成本模型，可以在未来进行投资时，对冲击成本进行准确估算，以达到节约成本的目的。

此外，本方案的模型在数据回测时，除了可以使用单支股票的历史日交易数据进行回测以外，也可以使用全市场数据进行回测，与使用单支股票进行回测的原理是相同的。

本实施例提出的冲击成本模型的构建装置，将股票的日内交易量、日均换手率和市值比率作为自变量因子构建冲击成本函数，根据冲击成本函数构建冲击成本模型；从预设市场指数中选择样本股，并获取样本股在连续多个交易日内的日交易数据，并获取预设市场指数的市值；根据日交易数据和市值，计算样本股在每个交易日的冲击成本和各自变量因子的数值；将计算得到的数值和冲击成本作为回测数据，根据回测数据和预设的线性回归算法对冲击成本模型进行回归分析，以确定冲击成本模型的模型参数。本实施例的方案综合日内交易量、日均换手率和市值比率三个自变量因子构建冲击成本函数，进而构建永久性冲击成本和临时性冲击成本的模型，通过历史交易数据对模型进行数据回测，得到自变量指数和自变量系数等模型参数，确定了参数的冲击成本模型可以用于交易时对冲击成本进行较精确的估算，对股票的建仓起到参考作用，以实现节约成本的目的。

可选地，在其他的实施例中，模型构建程序01还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述模型构建程序在冲击成本模型的构建装置中的执行过程。

例如，参照图4所示，为本发明冲击成本模型的构建装置一实施例中的模型构建程序的程序模块示意图，该实施例中，模型构建程序01可以被分割为模型构建模块10、数据获取模块20、数据计算模块30和数据回测模块40，示例性地：

模型构建模块10用于：将股票的日内交易量、日均换手率和市值比率作为自变量因子构建冲击成本函数，根据所述冲击成本函数构建冲击成本模型；

数据获取模块20用于：从预设市场指数中选择样本股，并获取所述样本股在连续多个交易日内的日交易数据，以及所述预设市场指数的市值；

数据计算模块30用于：根据所述日交易数据和所述市值，计算所述样本股在每个交易日的冲击成本和自变量因子的数值；

数据回测模块40用于：将计算得到的数值和所述冲击成本作为回测数据，根据所述回测数据和预设的线性回归算法对所述冲击成本模型进行回归分析，以确定所述冲击成本模型的模型参数，其中，所述模型参数包括所述冲击成本函数中的自变量指数和自变量系数。

上述模型构建模块10、数据获取模块20、数据计算模块30和数据回测模块40等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有模型构建程序，所述模型构建程序可被一个或多个处理器执行，以实现如下操作：

将股票的日内交易量、日均换手率和市值比率作为自变量因子构建冲击成本函数，根据所述冲击成本函数构建冲击成本模型；

从预设市场指数中选择样本股，并获取所述样本股在连续多个交易日内的日交易数据，以及所述预设市场指数的市值；

根据所述日交易数据和所述市值，计算所述样本股在每个交易日的冲击成本和自变量因子的数值；

将计算得到的数值和所述冲击成本作为回测数据，根据所述回测数据和预设的线性回归算法对所述冲击成本模型进行回归分析，以确定所述冲击成本模型的模型参数，其中，所述模型参数包括所述冲击成本函数中的自变量指数和自变量系数。

本发明计算机可读存储介质具体实施方式与上述冲击成本模型的构建装置和方法各实施例基本相同，在此不作累述。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。